-
公开(公告)号：CN107180261A
公开(公告)日：2017-09-19
申请号：CN201710426571.5
申请日：2017-06-08
Applicant: 南京农业大学
Abstract: 本发明提出一种基于滚动BP神经网络的温室小气候中长期预测方法，根据预测时间，每个时刻构建一个BP神经网络，最终形成一个滚动的BP神经网络群，本方法运行包括两个阶段，首先采用自动编码器进行无监督学习获得良好的初始网络参数，再利用改进的局部粒子群优化方法优化该网络参数，建立初始BP神经网络；然后在初始BP神经网络的基础上，将前一个网络的输出作为后一个网络的部分输入进行滚动训练和预测。本发明能够较准确地预测不同季节不同地域下的温室中长期环境变化趋势，并有效提高温室小气候的预测精度。
-
公开(公告)号：CN116578862A
公开(公告)日：2023-08-11
申请号：CN202310550634.3
申请日：2023-05-16
Applicant: 南京农业大学
IPC: G06F18/213 , G06F18/214 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06Q10/04 , G06Q50/02 , G06F123/02
Abstract: 本发明提供一种基于池化注意力的设施环境多步预测方法及系统，该方法基于畜禽舍内的环境影响因素数据和舍内环境参量的历史数据进行训练，建立基于池化注意力的预测模型；通过预测模型对开始时刻T1到结束时刻T2获取的若干条环境影响因素数据和舍内环境参量进行编码，获取隐状态向量；使用池化注意力模块对舍内环境参量中的非稳定跃变特征进行提取，获取注意力矩阵；对注意力矩阵和隐状态向量进行特征融合解码，将解码后的输出映射为待预测的舍内环境参量。该方法充分利用禽舍多变量时间序列数据的信息进行建模，从序列不同维度的特征角度实现多步预测，在中长期时间序列预测任务中精度有显著提升。
-
公开(公告)号：CN115333743A
公开(公告)日：2022-11-11
申请号：CN202210809089.0
申请日：2022-07-11
Applicant: 南京农业大学
Abstract: 本发明提出一种针对MQTT协议的细粒度安全通信方法，可应用在使用MQTT作为通信协议的物联网系统中。方案基于双线性映射和迪菲‑赫尔曼密钥交换(Diffie–Hellman keyexchange)完成双向身份认证和密钥协商，最终对发送的消息加密以实现用户和设备间的安全通信。本方法首先利用MQTT主题(topic)的身份信息来参与完成针对主题得细粒度身份认证，接着在合法的用户和设备间进行端到端的密钥协商，最后利用生成的对称密钥完成加密通信。本发明的方法能够适用于MQTT中一个用户和单个或多个设备进行安全通信的场景，并且可应对设备数量动态变化的情况。
-
公开(公告)号：CN113989296A
公开(公告)日：2022-01-28
申请号：CN202111074382.9
申请日：2021-09-14
Applicant: 南京农业大学
Abstract: 本发明提出基于改进U‑net网络的无人机麦田遥感图像分割方法，通过加入注意力模块的方式加强目标特征学习，同时通过改进损失函数的方法对权重进行重分配，从而解决遥感图像中目标背景类别分布不均的问题；最后，结合形状先验信息对分割结果进行进一步修正。本发明利用采集的无人机麦田数据集进行训练和模型验证，试验结果表明，分割准确率和平均交并比分别达93.31％和73.91％，较好解决了田埂分割遮挡和缺失等问题。
-
公开(公告)号：CN112036335A
公开(公告)日：2020-12-04
申请号：CN202010915753.0
申请日：2020-09-03
Applicant: 南京农业大学
Abstract: 本发明提出一种反卷积引导的半监督植物叶部病害识别与分割方法，使用少量病害类别标注和病斑的像素级标注，通过反卷积实现病害种类的识别和病斑区域的分割。本方法通过一致性正则化、熵最小化方法生成无标记样本的类别预测标签；将有标记样本和无标记样本进行图像混合，利用新生成的图像进行半监督病害分类；对类别信息进行上采样，利用少量像素级标记进行半监督病斑分割。在模型训练的过程中，使用指数加权平均更新模型参数，使模型在测试数据上更加鲁棒。本发明适用于标签样本数量不足的植物叶部病害识别与分割的情况，实现了识别与分割的一体化，模型在光线不足、有异物遮挡叶片图像中具有较强的泛化能力，识别和分割速度能够满足实时性要求。
-
Patent Agency Ranking
公开(公告)号：CN107832790A
公开(公告)日：2018-03-23
申请号：CN201711067416.5
申请日：2017-11-03
Applicant: 南京农业大学
IPC: G06K9/62
Abstract: 本发明提出一种基于局部低秩表示的半监督高光谱图像分类方法，利用局部低秩系数来刻画空谱信息，最终借助获得的空谱信息得到一种增强的高光谱图像半监督分类方法。本方法首先通过局部低秩表示对空谱信息进行刻画，然后对无标记的样本进行标签初始化，最后基于已获得的空谱信息对高光谱图像进行半监督分类。本发明的方法能够适用于标签样本数量不足的高光谱图像分类的情况中，同时实现提高分类准确率，边界模糊性明显降低。
-
公开(公告)号：CN119006533A
公开(公告)日：2024-11-22
申请号：CN202411023675.8
申请日：2024-07-29
Applicant: 南京农业大学
IPC: G06T7/269 , G06T7/246 , G06V40/20 , G06V20/40 , G06V10/62 , G06V10/82 , G06V10/774 , G06V10/776
Abstract: 本发明提供了一种群养母羊尾部光流图自动提取方法，属于群羊智能化养殖技术领域。主要包括：群养活动视频数据采集；利用基于深度学习的关键点检测算法识别群羊中的羊只及其骨架关键点；根据识别到的羊体尾椎末端处于羊体目标框的位置进行容差扩展，确定每只羊的尾部位置；计算群养活动数据的光流图，根据每只羊的尾部位置截取群羊的尾部光流图。本发明有助于获取群养环境下每只母羊的尾部运动信息，是检测母羊摇尾行为的基础，以此检测群羊中是否存在疑似发情的母羊，便于养殖人员及时、准确地掌握复杂活动环境下母羊发情信息，节约人工操作成本。
-
公开(公告)号：CN115562403A
公开(公告)日：2023-01-03
申请号：CN202211065247.2
申请日：2022-09-01
Abstract: 本申请公开了一种基于模型预测和改进粒子群算法的禽舍环境智能调控方法。该方法可以包括：步骤1：获取禽舍设备情况，确定禽舍的调控目标并录入；步骤2：基于禽舍设备情况，构造解空间，初始化粒子；步骤3：根据调控目标确定目标函数，对粒子群进行适应度计算，通过改进粒子群算法利用目标函数对各粒子的适应度进行求解，输出最优调控方案。本发明根据已采集到的温室数据和禽舍调控设备情况记录，在此基础上，对温室内的调控设备状态进行抽象，形成一个粒子群算法能够适配的解空间，使用改进粒子群算法，对解空间内的可行解进行搜索，在达到给定目标的情况下，寻找高效、低碳的调控方案。
-
公开(公告)号：CN115035131A
公开(公告)日：2022-09-09
申请号：CN202210434654.X
申请日：2022-04-24
Applicant: 南京农业大学
Abstract: 一种U型自适应EST的无人机遥感图像分割方法及系统，该系统包括特征提取单元、特征编码器、跳跃连接模块、卷积解码模块和投影模块；所述的特征编码器包括多阶EST和对应的自适应图像块合并层；其中：每阶EST分别包括若干个由第一EST模块和第二EST模块组成的EST单元，每个EST模块均包括归一化层LN、增强多头自注意力模块、残差连接层以及多层感知机MLP。本发明基于CNN和Transformer模块，通过层次结构实现全局自关注，在解码器中，结合卷积和反卷积块实现上采样，上采样恢复编码器的信息，进行相应的像素级分割，能够减少直接在原图上进行图像块导致的边缘和位置信息的丢失。
-
公开(公告)号：CN108830320B
公开(公告)日：2021-11-30
申请号：CN201810616815.0
申请日：2018-06-15
Applicant: 南京农业大学
IPC: G06K9/62
Abstract: 本发明提出一种基于鉴别和鲁棒多特征提取的高光谱图像分类方法，针对高光谱图像中不同类型的空谱特征，本方法将其投影到一个共同的低秩、鉴别子空间，并保留不同特征的重要性。本方法运行包括两个阶段，首先，根据不同特征的重要性，分别赋予它们不同的权重；然后，学习一个具有鲁棒和鉴别特性的低维子空间；接着，将不同的特征投影至低维子空间中；最后，使用支持向量机对新的特征进行分类。本发明通过特征降维，不仅能够对噪声鲁棒，抵御高光谱图像中的噪声干扰，同时可以保留不同特征的重要性，同时利用已有的标签，使获得的特征具有鉴别特性，有效提高了分类的效果。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.016 seconds)
